Griptape框架v1.5.0版本发布:多模态嵌入与序列化增强
Griptape是一个用于构建AI应用的Python框架,它提供了构建、编排和部署AI工作流所需的核心组件。该框架以其模块化设计和强大的功能集著称,支持从简单的提示工程到复杂的多步骤工作流等各种AI应用场景。
多模态嵌入支持
本次1.5.0版本最显著的改进之一是全面增强了多模态嵌入能力。框架现在支持对图像内容进行向量化处理,这为构建能够理解和处理视觉信息的AI系统奠定了基础。
具体实现上,框架扩展了EmbeddingDriver接口,新增了对ImageArtifact类型的支持。这意味着开发者现在可以将图片与文本一起嵌入到相同的向量空间中,实现跨模态的相似性搜索和检索。Titan和VoyageAI这两个嵌入驱动已率先实现了这一功能。
LocalVectorDriver也进行了相应升级,现在能够持久化存储包含多模态数据的向量条目。这一改进使得开发者可以在本地环境中构建完整的多模态应用,而无需依赖外部服务。
序列化系统增强
序列化是框架中一个关键但常被忽视的组件。1.5.0版本对序列化系统进行了重要改进,增加了serializable_overrides
和types_overrides
参数,为开发者提供了更精细的控制权。
这些新参数允许开发者在对象序列化为字典或JSON时,覆盖默认的序列化行为;在反序列化时,则可以指定自定义的类型映射。这一改进特别适合需要特殊序列化逻辑的复杂对象,或者在分布式系统中传递对象时保持类型信息的场景。
模型驱动更新
框架中的模型驱动也获得了多项更新:
-
Gemini驱动配置现在默认使用
gemini-2.0-flash
作为提示驱动模型,这是一个更轻量级但性能优异的模型变体。嵌入驱动模型也同步更新至最新版本。 -
Anthropic和Bedrock驱动配置更新了默认模型版本,确保开发者能够自动使用这些平台提供的最新和最强大的模型。
-
新增了PerplexityPromptDriver和PerplexityWebSearchDriver,为开发者提供了更多模型选择。
工具使用优化
PromptTask中新增了reflect_on_tool_use
标志,允许开发者禁用LLM对工具使用的反思功能。这一改进为性能敏感型应用提供了优化空间,可以在不需要LLM自我评估的场景下减少计算开销。
开发者体验改进
本次更新还包括多项开发者体验的优化:
-
修复了Chunker在处理空块时的中点计算问题,提高了文本分块的准确性。
-
改进了OpenAIPromptDriver对GenericArtifacts的处理,现在会自动转换为文本而不是抛出错误,提高了兼容性。
-
向量驱动相关的元数据处理得到优化,避免了不必要的对象变更。
-
类型提示在
@observable
装饰器上得到保留,改善了代码的静态分析体验。
文档全面升级
框架文档在本版本中获得了显著改进:
-
新增了浅色/深色模式切换功能,提升了阅读体验。
-
重新组织了导航结构,驱动程序文档现在按类别分组,更易于查找。
-
增加了详细的序列化专题文档,帮助开发者更好地理解和使用这一核心功能。
-
示例代码现在都包含日志输出展示,使学习过程更加直观。
-
框架概述和入门指南内容得到扩充和优化,新用户能够更快上手。
依赖管理优化
框架放宽了依赖版本的上限约束,这一变化减少了与其他库的版本冲突可能性,使Griptape能够更灵活地集成到各种Python环境中。
总体而言,Griptape 1.5.0版本在多模态支持、序列化控制和开发者体验等方面都做出了重要改进,进一步巩固了其作为构建生产级AI应用首选框架的地位。特别是对图像嵌入的支持,为开发视觉相关的AI应用开辟了新的可能性。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~054CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0378- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









